Video: Excel Table Talk Episode 5 - Excel and PowerBI: Better Together 2024
En datamodel giver det fundament, som din Excel rapporteringsmekanisme er bygget på. Et af de vigtigste begreber i en datamodel er adskillelsen af data, analyse og præsentation. Den grundlæggende idé er, at du ikke ønsker, at dine data bliver for bundet til en bestemt måde at præsentere disse data på.
Tænk på en faktura for at indhente dit sind omkring dette koncept. Når du modtager en faktura, går du ikke ud fra, at de økonomiske data på fakturaen er den rigtige kilde til dine data. Det er blot en præsentation af data, der faktisk lagres i en database. Disse data kan analyseres og præsenteres for dig på mange andre måder: i diagrammer, i tabeller eller endda på hjemmesider. Dette lyder indlysende, men Excel-brugere smelter ofte data, analyse og præsentation.
F.eks. Indeholder nogle Excel-workbooks 12 faner, der hver repræsenterer en måned. På hver fane er data for den pågældende måned opført sammen med formler, pivottabeller og resuméer. Hvad sker der nu, når du bliver bedt om at give et resumé pr. Kvartal? Tilføjer du flere formler og faner for at konsolidere dataene på hver af månedens faner? Det grundlæggende problem i dette scenario er, at fanerne faktisk repræsenterer dataværdier, der er smeltet sammen i præsentationen af din analyse.
For et eksempel mere i tråd med rapporteringen, se på nedenstående figur. Hardkodede tabeller som denne er almindelige. Denne tabel er en sammenlægning af data, analyse og præsentation. Dette bord binder ikke kun dig til en bestemt analyse, men der er ringe eller ingen gennemsigtighed i, hvad analysen præcis består af. Hvad sker der, når du skal rapportere for kvartalet, eller når en anden dimension af analyse er nødvendig? Importerer du et bord, der består af flere kolonner og rækker? Hvordan påvirker det din model?
Alternativet er at oprette tre lag i din datamodel: et datalag, et analyselag og et præsentationslag. Du kan tænke på disse lag som tre forskellige regneark i en Excel-projektmappe: et ark for at holde de rå data, der feeds din rapport, et ark, der skal fungere som et mellemrum, hvor dataene analyseres og formes, og et ark skal fungere som præsentationslag. Denne figur illustrerer de tre lag af en effektiv datamodel:
En effektiv datamodel adskiller data, analyse og præsentation.Som du kan se, er det rå datasæt placeret på eget ark.Selvom datasættet har en vis grad af aggregering, der anvendes for at holde det håndterbart lille, foretages der ikke yderligere analyser på databladet.
Analyselaget består primært af formler, der analyserer og trækker data fra datalaget til formaterede tabeller, der almindeligvis betegnes som scenedatabaser . Disse optagelsestabeller giver i sidste ende rapporteringskomponenterne i dit præsentationslag. Kort sagt bliver arket, der indeholder analyselagdet, det område, hvor dataene opsummeres og formes til at matche rapporteringskomponenterne. Bemærk på fanen Analyse, formellelinjen illustrerer, at tabellen består af formler, der refererer til fanen Data.
Der er et par fordele ved denne opsætning. For det første kan hele rapporteringsmodellen opdateres nemt ved blot at erstatte de rå data med et opdateret datasæt. Formlerne på fanen Analyse fortsætter med at arbejde med de nyeste data. For det andet kan enhver yderligere analyse let oprettes ved at bruge forskellige kombinationer af formler på fanen Analyse. Hvis du har brug for data, der ikke findes i databladet, kan du nemt tilføje en kolonne til slutningen af det rå datasæt uden at forstyrre analysen eller præsentationsark.
Du behøver ikke nødvendigvis at placere dine data, analyser og præsentationslag på forskellige regneark. I små datamodeller kan det være lettere at placere dine data i et område af et regneark, mens du bygger opstillingsborde i et andet område i det samme regneark.
Husk også, at du ikke er begrænset til tre regneark heller. Det vil sige, at du kan have flere ark, der leverer de rå data, flere ark, der analyserer, og flere der tjener som præsentationslag.
Uanset hvor du vælger at placere de forskellige lag, skal du huske på, at ideen forbliver den samme. Analyselaget skal primært bestå af formler, der trækker data fra databladene til stagingborde, der bruges til at matche din præsentation.